MULTI-TARGET KLASIFIKASI TEKS BERDASAR TANGGAPAN MASYARAKAT KOTA DENGAN MENGGUNAKAN ALGORITMA CNN & RANDOM FOREST = Multi-Target Classification of Text Based on City Community Responses Using the CNN Algorithm and Random Forest


ROHALIA, ALYA (2023) MULTI-TARGET KLASIFIKASI TEKS BERDASAR TANGGAPAN MASYARAKAT KOTA DENGAN MENGGUNAKAN ALGORITMA CNN & RANDOM FOREST = Multi-Target Classification of Text Based on City Community Responses Using the CNN Algorithm and Random Forest. Thesis thesis, Universitas Hasanuddin.

[thumbnail of Cover]
Preview
Image (Cover)
D082192002_tesis_13-02-2024 cover1.png

Download (130kB) | Preview
[thumbnail of Bab 1-2] Text (Bab 1-2)
D082192002_tesis_13-02-2024 1-2(FILEminimizer).pdf

Download (1MB)
[thumbnail of Dapus] Text (Dapus)
D082192002_tesis_13-02-2024 dp(FILEminimizer).pdf

Download (767kB)
[thumbnail of Full Text] Text (Full Text)
D082192002_tesis_13-02-2024(FILEminimizer).pdf
Restricted to Repository staff only until 6 May 2027.

Download (2MB)

Abstract (Abstrak)

Peningkatan pengguna media sosial linier dengan kebebasan masyarakat untuk berpendapat tentang kinerja kota. Dalam meningkatkan kinerja kota, pemerintah membutuhkan tanggapan masyarakat; tanggapan ini merupakan sumber informasi awal dalam menilai kinerja pemerintah terkait tugas dan tanggung jawabnya. Tanggapan masyarakat meliputi komentar di halaman akun media sosial pemerintah dan akun komunitas swasta terkait permasalahan di kota; kami menerima komentar melalui media sosial Twitter, Facebook, Instagram, dan Youtube. Riset ini berupa tanggapan masyarakat terhadap 16 dinas, mengklasifikasikannya ke dalam dinas terkait dengan menggunakan lima kategori sentimen. Metode yang digunakan untuk klasifikasi sentimen adalah kombinasi algoritma CNN dan Random Forest. Penelitian ini menyajikan model Continuous Bag-of-Word (CBOW) dan memasukkannya ke dalam tahap ekstraksi fitur CNN. Pekerjaan ini menggunakan Alexnet Convolution Neural Network dan mengklasifikasikannya menggunakan algoritma Random Forest. Keluaran sistem dari kombinasi algoritma CNN & RF berupa klasifikasi multi-target dari analisis sentimen memperoleh akurasi sebesar 86%, dan klasifikasi dinas memperoleh akurasi sebesar 81%.

Keyword : CNNRF

Item Type: Thesis (Thesis)
Uncontrolled Keywords: Klasifikasi Teks, Convolutional Neural Network (CNN), Random Forest Algorithm.
Subjects: T Technology > T Technology (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Informatika
Depositing User: Rasman
Date Deposited: 07 Jul 2025 05:54
Last Modified: 07 Jul 2025 05:54
URI: http://repository.unhas.ac.id:443/id/eprint/45979

Actions (login required)

View Item
View Item